jjeong

https://github.com/elasticsearch/elasticsearch/issues/2707

https://github.com/tlrx/elasticsearch-custom-similarity-provider

https://github.com/lukapor/customsimilarity

위 내용을 보면 기본적으로 루씬에서 score 계산에 사용하는 함수들을 @override 해야 합니다.

결국, 문서 및 서비스 특성을 반영한 별도의 ranking algorithm 을 만들어서 적용을 해야 한다는 내용입니다.

package org.elasticsearch.bcsocial.plugin.similarity;

import org.apache.lucene.index.FieldInvertState;
import org.apache.lucene.search.similarities.Similarity;
import org.apache.lucene.search.similarities.TFIDFSimilarity;
import org.apache.lucene.search.similarities.DefaultSimilarity;

public class BcsocialSimilarity extends DefaultSimilarity {

  public BcsocialSimilarity() {}

  @Override
  public float lengthNorm(FieldInvertState state) {
   return 1.0f;
  }

  @Override
  public float coord(int overlap, int maxOverlap) {
    return 1.0f;
  }

  @Override
  public float queryNorm(float sumOfSquaredWeights) {
    return 1.0f;
  }

  @Override
  public float tf(float freq) {
    return 1.0f;
  }

  @Override
  public float idf(long docFreq, long numDocs) {
    return 1.0f;
  }

  @Override
  public String toString() {
    return "BcsocialSimilarity";
  }
}